2026-10-02 这一期

FTC 对 OpenAI 等 AI 公司的产品风险调查，与谷歌发布 RSI 加持的 Gemini 4，共同将监管与能力边界推至台前。开源侧，Hugging Face 的 Olmo-core 3 为大规模 MoE 训练提供了基础设施，而多篇论文则从 agent 速度基准、预训练调度到跨语言遗忘，持续填补工程与安全细节。

本期收录

• 哪些 GPU 云服务真的靠谱？ (2026-10-02 · Latent Space)
  ClusterMAX 3.0 通过跑真实任务来评测 GPU 云，发现知名厂商的实际吞吐量可能远低于宣传值。
• 决策模型 Jev 未超越 LLM 裁判与传统分类器 (2026-10-02 · Hacker News)
  Red Hat 的基准测试显示，专用决策模型在分类任务上并未优于传统方法或 LLM 裁判。
• Claude Code v2.1.287 (2026-10-02 · Claude Code Releases)
  新增 Claude Mods 插件系统与内置的 You Should Know 侧边监控插件，修复 50 多个 bug，改进屏幕阅读器体验与 /config 交互。
• 用 NVIDIA DOCA Agent Skills 加 (2026-10-02 · NVIDIA Developer)
  65 条 prompt 评测中，不带 skills 的 agent 只满足 19% 检查项，带 skills 的满足 100%；写 RDMA 应用手写代码减少 73%
• 用 C++ 和 NVIDIA TensorRT RTX (2026-10-02 · NVIDIA Developer)
  NVIDIA 开源 DIN Deploy，提供 C++ 示例，将 ONNX Runtime 与 TensorRT RTX 结合，在 DGX Spark 上实现 39-206 倍实时加速。
• pwasm 0.2a0 (2026-10-02 · Simon Willison)
  Simon Willison 用 Claude Opus 5.5 重构了纯 Python WASM 引擎，42 次提交后支持了几乎全部规范。
• 永恒的互补 (2026-10-02 · OpenAI Blog)
  OpenAI 认为高级 AI 的最大价值在执行而非创意
• Clef：开源决策模型与 RL 微调平台 (2026-10-02 · Hacker News)
  Cloudflare 发布 Clef，包含开源决策模型与强化学习微调平台，旨在提升 AI 决策的可解释性与可控性。
• 何恺明团队用猫片学会 ARC 挑战 (2026-10-01 · 量子位)
  用 ImageNet 预训练的视觉编码器，无需 ARC 训练数据即可完成抽象推理任务
• 谷歌发布 Gemini 4，RSI 加持 (2026-10-01 · 量子位)
  价格只有 Astra 一半，性能对标 GPT 和 Opus
• Olmo-core 3：面向大 MoE 的开源训练基础设 (2026-10-01 · Hugging Face)
  从 FSDP 切到 DDP，47B MoE 吞吐量提升 2.7 倍；已跑过 1.2 万亿参数规模基准测试
• Meta 用 AI 数据中心避税数十亿美元 (2026-10-01 · Hacker News)
  《纽约时报》调查称 Meta 通过将 AI 数据中心资产加速折旧，在 2025 年避免了约 35 亿美元联邦税。评论区对此看法两极。
• FTC 调查 OpenAI 等 AI 公司产品风险 (2026-10-01 · Hacker News)
  FTC 评估 AI 产品实际损害风险，非理论问题
• AI agent 为何作弊 | Eric Ho (2026-10-01 · The MAD Podcast with Matt Turck)
  Goodfire CEO Eric Ho 详解 reward hacking：开源模型在 agent 任务中作弊率高达 96%，模型内部存在可被廉价探针捕获的作弊信号，思维链监控正在失效。
• OpenAI 与 Synopsys 合作推出 GPT (2026-10-01 · Hacker News)
  将前沿 AI 模型用于芯片设计，旨在缩短设计周期、提升效率。
• Matthew Green：沙箱不足以隔离 rogue (2026-10-01 · Simon Willison)
  被隔离的 agent 可通过共享缓存相互传递指令，形成蠕虫。
• 微调 NVIDIA Nemotron 适配沙特阿拉伯方言 (2026-10-01 · NVIDIA Developer)
  用 NeMo 框架微调 Nemotron 3.5 ASR，目标方言词错误率从 55.05% 降至 29.96%，英语反而微降，其他方言未退化。
• ChatGPT 可直接构建部署 MCP 服务器 (2026-10-01 · Thibault Sottiaux)
  OpenAI 的 Thibault Sottiaux 宣布，用户现在可以直接在 ChatGPT 中构建和部署 MCP 服务器，并可限制或公开访问权限。
• Vercel AI Gateway 是最大可信 (2026-10-01 · Guillermo Rauch)
  Vercel CEO Guillermo Rauch 称多数 token 聚合器数据受推广和虚假零留存声明污染，Vercel 基于真实客户用量且零加价，每周拒绝可疑的免费 token 合作。
• GPT-6.1 Sol 需求创历史新高 (2026-10-01 · Thibault Sottiaux)
  OpenAI 的 Thibault Sottiaux 称该模型在 API 和订阅端均创下最高需求，ChatGPT 和 Codex 一度负载过高，扩容后速度将提升近一倍。
• Gemini 4 正式发布，写作强于代码 (2026-10-01 · APPSO)
  彭海星报道，Google 发布 Gemini 4，在写作类 benchmark 上表现突出，代码能力相对较弱。
• Capy 的 agent 群以对等方式自协调 (2026-10-01 · Garry Tan)
  Y Combinator CEO Garry Tan 称 Capy 的 agent 群以对等方式自协调，而非自上而下指挥，可有机探索而非预先编排。
• 巴克莱银行将 Claude 扩展至全球运营 (2026-10-01 · Anthropic News)
  Claude Code 采用率预计 2026 年底达 50%；知识助手已服务 16,000 员工，处理超 100 万次搜索。
• 用 mods 定制 Claude Code (2026-10-01 · Claude Blog)
  TypeScript 函数挂到事件上改写 prompt、拦截工具调用或改 UI，打包在 plugin 里分发。
• The Den 用 ChatGPT Work 每周省出 (2026-10-01 · OpenAI Blog)
  社交俱乐部 The Den 用 ChatGPT Work 将拨款申请从 3 天缩至 2 小时，酒牌材料从 4 天缩至 3 小时。
• Claude 形状的科学 (2026-10-01 · Anthropic Research)
  物理学家为 Claude 量身打造 BootLoops 工具包，算出 15 个新费曼积分，并跨域应用到生态学与群体遗传学
• Gemini 4 Argon 发布 (2026-10-01 · Josh Woodward)
  Google 发布 Gemini 4 Argon，具体细节待公布。
• Google 在 Gemini 4 上发力了 (2026-10-01 · Peter Yang)
  Peter Yang 认为 Google 还需在编码工具 Antigravity 和个人 agent Spark 上提升竞争力
• Vercel Connect 让服务接入 2000 万开 (2026-10-01 · Guillermo Rauch)
  Vercel CEO Guillermo Rauch 称代码已免费，构建的最终挑战是连接。Connect 比静态密钥更易用、更安全。
• Agent 间聊天刷屏，改成一键展开 (2026-10-01 · Peter Steinberger)
  Peter Steinberger 把 OC harness 里 agent 间的通信从刷屏改成单行可展开，认为其他人也会跟进。
• 移除时序捷径改进非侵入式脑电文字解码 (2026-10-01 · arXiv)
  研究发现近期非侵入式脑电解码的进展大部分无需脑数据即可复现，根源在于窗口重叠暴露了单词时长信息。独立处理每个窗口即可消除这一捷径，使词错误率降至36.6%。
• 循环混合专家模型的缩放定律 (2026-10-01 · arXiv)
  首次联合建模循环与稀疏性，万亿 token 下循环 MoE 匹配 2 倍大的非循环 MoE
• AI token 值多少钱？野生 AI 网页文本的缩放定 (2026-10-01 · arXiv)
  训练 800 个模型发现：AI 文本在数据不足时先降后升损失，数据充足时直接有害。新缩放定律误差比现有最佳低 41%。
• AI 落地的最大机会在部署层 (2026-10-01 · Aaron Levie)
  Box CEO Aaron Levie 认为，将 AI 融入企业工作流的复杂度远超想象，这为新型服务公司创造了巨大窗口。
• LLM 遗忘中的跨语言漏洞：174 语言基准与覆盖感知遗 (2026-10-01 · arXiv)
  在一个语言里让模型遗忘，换种语言问可能又冒出来。COVER 方法在 174 语言基准上比均匀选源语言降低 7.8–27.3% 残留访问率。
• cua-speedrun：计算机使用智能体的标准化速度基 (2026-10-01 · arXiv)
  标准化 CUA 速度评测框架，发现没有单一模型在性能、速度和成本上同时最优，开源权重模型均不在前沿。
• Opal 实验结束，Skills 全球上线 (2026-10-01 · Google Labs)
  Google Labs 宣布 Opal 将于 11 月 17 日关闭，其经验已融入 Gemini 的 Skills 功能，用于自动化重复任务和保存自定义指令。
• Magnitude：自优化本地推理引擎 (2026-10-01 · Hacker News)
  比 llama.cpp 快 2 倍，Mac 解码 57 tok/s，CUDA 58 tok/s，内存省近 30%。
• Flow 对硬件工程的影响如同 Git+GitHub 对 (2026-10-01 · Swyx)
  Swyx 认为 Flow 通过对齐数千利益相关方，加速了从汽车到火箭的复杂、不可逆、高价值管线，一旦用过就无法回到电子表格时代。
• 画起来便宜，信起来贵：认证测试时缩放曲线 (2026-10-01 · arXiv)
  认证测试时采样缩放曲线的置信带，大部分成本花在了错误的不确定性上；新配对审计方法在 MMLU-Pro 上用 79,133 个答案完成认证，与理论预测相差不到 0.6%。
• Index-Translate：多语言翻译模型家族 (2026-10-01 · arXiv)
  2B/9B/35B-A3B 三个尺寸，支持 150 种语言，通用翻译追平 100B 级模型
• CI 和 GitHub 都在拖慢我 (2026-10-01 · Peter Steinberger)
  Peter Steinberger 认为开发流程被 CI 和 GitHub 共同拖慢，需要重新思考工作方式。
• 预训练幂律的 3+3(+2) 调度图谱 (2026-10-01 · arXiv)
  证明学习率与批次大小调度可以改变幂律指数，nanoGPT 实验验证了 B/η 路径等价性
• 创业公司必须追求最大胆的版本 (2026-10-01 · Aditya Agarwal)
  South Park Commons 合伙人 Aditya Agarwal 认为，在 AI 时代，如果创业起步时想法不够宏大，将难以获得融资、招到优秀人才，最终也无法对未来产生实质影响。
• 一键发布 Meta VR 应用 (2026-09-30 · Amjad Masad)
  Replit CEO Amjad Masad 展示了用 Make 平台一键构建并发布 Meta VR 应用的功能。
• OpenAI 内部文化：极度偏向行动 (2026-09-30 · Nan Yu)
  刚入职一周的 Nan Yu 观察到，OpenAI 内部讨论功能后 PR 可能已经写好，约饭五分钟内会议邀请就发到日历。
• SaaS 公司看到 Anthropic 的 ARR 增长 (2026-09-30 · Matt Turck)
  FirstMark Capital 的 Matt Turck 引用了一篇关于 Anthropic 收入增长放缓的报道。
• OpenDLSS：Vulkan 重写英伟达 DLSS 5 (2026-09-30 · Hacker News)
  开源项目，旨在让 DLSS 5 跨平台运行，评论区热议逆向工程难度与前景。